Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perancangan sistem penyeleksi piring cacat ini berfungsi untuk menyeleksi piring berdasarkan kondisinya. Proses seleksi piring dilakukan dengan memproses gambar piring yang diperoleh dari hasil penangkapan kamera kemudian diproses dengan algoritma deteksi tepi penajaman citra dan penghitungan pixel. Kondisi cacat yang akan diseleksi berupa cacat pada permukaan atas dan pecahan pada tepi piring, output hasil seleksi piring akan dikirimkan melalui paralel port untuk menggerakkan panel pemisah ke kiri atau ke kanan, jika kondisi piring normal piring dipisahkan ke selektor kanan sedangkan jika kondisi piring cacat dipisahkan ke selektor kiri. Input Hasil piring yang sudah terseleksi dikirimkan kembali ke komputer melalui paralel port.Design of plate selector system invalids this function to select plate bases its condition. Selection process plate edgewise did by processes acquire plate image of yielding arrest then processed by detection algorithm steps aside pixel's image and extrapolation sharpening. Condition of blemish which will be sorted as blemish on surface up and fraction on steps aside plate, output result to sort plate will send over port parallel to move schism selector to left or to right, if normal plate condition saucer was came to pieces to go to right selector whereas if condition of blemish plate is came to pieces goes to left selector. Edgewise yielding input already most selection is sent returns to computer via parallel port."

"ABSTRAKSkripsi ini membahas mengenai pengukuran kecepatan kendaraan dengan melakukan pendekatan kepada program (software). Pengukuran ini dilakukan dengan video hasil rekaman. Dari video tersebut dijadikan acuan untuk mengolah data melalui beberapa proses di dalam program. Program dibuat dengan anggapan bahwa benda hanya akan bergerak menuju satu arah saja sehingga data posisi objek pada suatu frame akan dibandingkan dengan data posisi pada frame sebelumnya, sehingga program akan hanya mencatat data yang sesuai. Dengan demikian, diharapkan data yang telah diseleksi akan menghasilkan error yang lebih kecil. Program ini akan menghasilkan data nomor frame, posisi pixel dari edge dan perbedaan pixel dari frame sebelumnya. Adanya informasi yang bisa didapatkan dari sebuah data video ini bisa memberikan nilai tambah dari hanya sekedar sebuah data video. Untuk itu keakuratan hasil perhitungan kecepatan kendaraan perlu dihitung juga. Setelah mengolah data video ini dan mendapatkan hasil perbandingan hasil kecepatan secara real dan perhitungan program, tujuan ke depannya adalah untuk dikembangkan lebih lanjut lagi pada estimasi kecepatan kendaraan di dalam rekaman video lalu lintas.

---

ABSTRACTThis thesis discusses the measurement of the speed of the vehicle by approaching the program ( software ). This measurement is done with the video recordings. From the video made ​​reference to process data through several processes in the program. The program is made with the assumption that the object will only move towards one direction only so that the data object's position in a frame will be compared with data on the position of the previous frame, so that the program will only record the appropriate data. Thus, it is expected that the data has been selected to produce a smaller error. This program will generate the data frame number, the position of the edge pixel, and the pixel difference from the previous frame. The existence of information that can be obtained from a video data can provide added value than just a video data. For the accuracy of the results of the calculation speed of the vehicle needs to be calculated as well. After processing the video data and get the results of the comparison results in real speed and calculation of the program, the future goal is to be developed further to estimate the speed of the vehicle in the video recording of traffic."

"Beberapa jenis instrumen curah hujan yang banyak dipakai seperti rain gauge, citra satelit, dan radar cuaca masih memiliki kekurangan terutama pada resolusi spasial. Instrumen curah hujan alternatif yang banyak dikembangkan adalah dengan menggunakan model Deep Learning dengan masukan citra tangkapan kamera pengawas. Beberapa studi telah berhasil membangun model untuk mendapatkan nilai curah hujan dengan berbagai performa. Namun salah satu kendala yang ditemui dalam pembangunan sistem estimasi curah hujan adalah latar belakang rintik hujan pada citra kamera pengawas. Objek latar belakang yang lebih mengisi citra dibandingkan rintik hujan membuat model dengan banyak bentuk latar belakang tidak dapat mencapai performa yang diinginkan. Penelitian ini menganalisa pengaruh bentuk latar belakang citra kamera pengawas terhadap performa dari sistem estimasi curah hujan. Sistem estimasi curah hujan dibuat dengan model berarsitektur RFCNN (Rainfall Convolutional Neural Network). Objek latar belakang citra yang dipilih pada penelitian ini terdiri dari gedung, jalan beraspal, atap, dan kombinasi antara keduanya. Data curah hujan referensi didapat dari perangkat tipping bucket dengan resolusi 0,2 mm/menit. Hasil eksperimen menunjukan bahwa gedung menjadi bentuk objek latar belakang yang menghasilkan performa yang terbaik dengan nilai MAE sebesar 0.0823 dan MSE sebesar 0.0164, dengan catatan citra yang digunakan adalah citra grayscale. Hasil dari pengujian model menunjukan performa dipengaruhi oleh eksistensi benda bergerak pada latar belakang rintik hujan.

---

Several types of rainfall measurement instrumens, such as Rain Gauge, satellite imagery, and weather radar, still have limitations, especially in spatial resolution. An alternative rainfall measurement instrumen that has been widely developed is using Deep Learning models with input from surveillance camera images. Some studies have successfully built models to estimate rainfall values with various performances. However, one of the challenges encountered in the development of rainfall estimation systems is the background of surveillance camera images. Objects in the background that occupy a significant portion of the image compared to raindrops make models with certain background shapes unable to achieve the desired performance.This research analyzes the influence of background image shapes from surveillance camera images on the performance of a rainfall estimation system. The estimation system is built using the RFCNN (Rainfall Convolutional Neural Network) architecture. The selected background objects in this study include buildings, paved roads, roofs, and combinations of both. The reference of rainfall data are obtained from a Tipping Bucket device with a resolution of 0.2 mm/minute. The experimental results show that buildings are the background object shape that yields the best performance, with an MAE (Mean Absolute Error) value of 0.0823 and an MSE (Mean Squared Error) value of 0.0164, given that grayscale images are used. The model testing results indicate that performance is influenced by the presence of moving objects in the raindrop background."

"Dengan menghitung pusat massa dari warna yang spesifik, dan pengontrol servo untuk menggerakkan kamera, telah dibuat suatu sistem pengikut warna dengan parameter warna yang dapat diubah-ubah untuk mengikuti warna RGB. Sistem dibuat dengan menggunakan mikrokontroler 32-bit LPC2106 yang mempunyai kapasitas RAM 64K byte dan ROM sebesar 128K byte dengan kecepatan 60MHz. Sensor kamera CMOS dengan resolusi 352 x 288 digunakan sebagai sumber masukan ke memori buffer FIFO dengan kapasitas 1MB sebelum akhirnya diproses pada mikrokontroler. Sebagai masukan parameter warna dan antar muka pengguna, sistem didukung oleh mikrokontroler Atmega16 yang memiliki kapasitas RAM 16K byte dan ROM 512 byte yang bekerja pada frekuensi 16 MHz. Kedua mikrokontroler berkomunikasi secara serial dalam menentukan proses tracking. Untuk menangkap citra dan data tracking, aplikasi pada komputer dibuat dengan LabVIEW. Jangkauan tracking dari sistem yang dibuat adalah 20,9° untuk pan dan 15,4° untuk tilt. Hasil menunjukkan bahwa tingkat keberhasilan mencapai 80% dengan respon gerak pada jangkauan maksimum kurang dari 1 detik dengan kecepatan gerak maksimum adalah 260° perdetik. Laju keluaran data yang dihasilkan adalah 14 data perdetik.

---

By calculating center of mass of spesific color, and servo controller to move camera, a color tracking system has been made with changeable color parameter to track color within RGB range. This system was build using 32-bit microcontroller LPC2106 which has 64K byte RAM and 128K byte ROM at 60MHz. CMOS image sensor with 352 x 288 resolution used as input of FIFO memory buffer which has 1 MB of capacity before they were processed in. As input parameter and user interface, system was supported by other microcontroller Atmega16 with 16K byte RAM and 512 byte ROM at 16MHz of frequency operation. These both microcontroller communicating serially in order to decide a tracking process. To grab an image and tracked data, computer application was made with LabVIEW. Frame tracking range from the system is about 20,9° for pan tracking and 15,4° for tilt tracking. Result shows success is about 80% with moving response for maximum range less than 1 second and maximum moving velocity is 260° persecond Data rate produced by system is 14 data persecond."

"

Kemacetan merupakan salah satu masalah yang belum bisa terselesaikan di kota-kota besar di Indonesia. Salah satu cara untuk mengatasi masalah ini, yaitu dengan memanfaatkan teknologi yang dapat memantau lalu lintas secara otomatis, agar dapat dimonitor dan dianalisis untuk pengembangan fasilitas serta kebijakan guna menyelesaikan masalah ini. Teknologi yang dapat diterapkan untuk masalah ini, yaitu teknologi image processing yang dikolaborasikan dengan machine learning dan dengan bantuan library OpenCV. Pendeteksian objek menggunakan MobileNet-SSD dan Caffe model, objek yang dideteksi merupakan kendaraan yang melintas di jalan, pengambilan input menggunakan kamera CCTV yang diakses oleh publik. Kecepatan, performa, akurasi, dan kepadatan jalanan merupakan variabel yang dianalisis pada penulisan ini. Hasil dari pendeteksian memiliki akurasi yang tidak cukup baik sekitar 43% untuk keseluruhan, dan 68% untuk pendeteksian mobil. Terdapat penambahan fitur pada penelitian ini, yaitu pendeteksian motor yang memiliki akurasi 51%

---

Traffic jam is one of many problems that cannot be solved in various cities in Indonesia. One way to overcome this problem is to use technology that can monitor traffic automatically, so that traffic conditions can be monitored, and analyzed for the development of facilities and policies to solve this problem. One of the technologies that can be applied to this problem is image processing technology in collaboration with machine learning, and OpenCV. This research use Mobilenet-SSD and Caffe models for objects detection, objects detected are vehicles that cross the road, input is taken from CCTV cameras that can accessed by public. Speed, performance, accuracy, and road density are the variables analyzed in this paper. The results of the detection have an accuracy that is not good enough only about 43% for the whole detection, and 68% for the detection of the car, and 51% for the detection of the motorcycle

"

"Banyak penyakit yang dapat ditimbulkan dari gigitan nyamuk seperti malaria, demam berdarah, dan cikumunya. Begitu seriusnya penyakit-penyakit ini, berbagai cara dilakukan untuk membunuh dan mencegah penyakit ini. Namun, pemakaian bahan kimia yang cukup lama akan menimbulkan resistensi pada nyamuk. Peracangan suatu alat pembunuh nyamuk menggunakan laser akan efektif dalam memerangi nyamuk. Karena nyamuk tidak bisa menghindar jika terkena laser. Namun, sebelum menembakkan laser ke nyamuk, diperlukan metode yang tepat untuk mendeteksi posisi nyamuk. Pada skripsi ini akan membahas metode deteksi posisi nyamuk menggunakan kamera berbasis Image Processing dengan metode blob counter. Parameter warna yang digunakan adalah parameter warna RGB (red, green, blue). Setiap gambar terdiri dari sekumpulan piksel yang memiliki informasi nilai RGB. Setiap piksel yang sesuai dengan parameter nyamuk akan ditandai dengan blob. Kumpulan blob yang diperoleh akan dikumpulkan dalam suatu rectangle untuk dicari koordinat centroid. Hasilnya adalah posisi nyamuk yang berupa koordinat x,y dalam gambar. Pada penelitian ini, jarak nyamuk dari kamera bisa diprediksi dengan melakukan kalibrasi jarak lensa ke image sensor. Sehingga, hasil yang diperoleh dari penelitian ini adalah posisi 3 dimensi nyamuk.

---

Many diseases can be caused from the bite of mosquitoes, such as malaria, dengue fever, and cikumunya. Once the seriousness of these diseases, various methods are used to kill and prevent these diseases. However, the use of chemicals that is long enough will cause resistance in mosquitoes. Designing a mosquito killer device using a laser will be effective in fighting mosquitoes because mosquitoes can not escape when exposed to the laser. However, before firing a laser into the mosquito, the proper method is needed to detect the position of mosquitoes.

In this paper will discuss about mosquito position detectoin method using camera based image processing with a blob counter method. Colors that are used as the color parameter are RGB (red, green, blue). Each image consists of a set of pixels that have RGB values information. Each pixel in accordance with the parameters of mosquitoes will be marked with a blob. Set of nearby blob will be collected in a rectangular to get coordinate of centroid.

The result of this study is mosquito position in x, y coordinates in the image. In this study, the distance of mosquito from camera could be predicted by calibrating the distance of the lens to the image sensor. Thus, the result is 3 dimensional positions of mosquitoes."

"ABSTRAKSaat ini, pengukuran dimensi zona inhibisi masih menggunakan alat pengukur manual seperti penggaris atau jangka sorong. Kini dengan perkembangan teknologi memungkinkan pengukuran dilakukan dengan berbasis kamera digital dan pengolahan citra. Adanya perangkat penunjang lain seperti sumber cahaya, dapat menyebabkan posisi kamera tidak tegak lurus terhadap objek pengukuran. Pada penelitian ini diperkenalkan sistem koreksi tilting pada pengukuran zona inhibisi berbasis kamera. Sistem yang dikembangkan terdiri dari perangkat keras (instrumen pengukuran dan kamera) dan perangkat lunak. Teknik pengolahan citra seperti transformasi, deteksi tepi, dan deteksi garis yang digunakan untuk membangun sistem koreksi tilting secara otomatis ini. Pengujian telah dilakukan dengan menggunakan objek kalibrator checkerboard standar dan objek zona inhibisi, pada berbagai variasi orientasi sudut kemiringan dan rotasi objek. Secara umum, berdasarkan hasil pengujian, sistem yang dibangun telah berhasil diimplementasikan untuk pengukuran dimensi zona inhibisi secara tidak tegak lurus. Koreksi tilting mampu memperbaiki performa sistem pengukuran dengan penurunan kesalahan hingga 39,6%. Sudut maksimal dengan tingkat toleransi yang masih dapat diterima adalah 40°.

---

ABSTRAKCurrently, the measurements of the Zone of Inhibition are still using manual measurement tools such as a ruler or caliper. Now with the development of technology enables this measurement based on digital cameras and image processing. The presence of another supporting devices such as light sources, causing the camera position not perpendicular to the object. This study introduces the tilt correction system on camera-based measurement of the inhibition zones, which consists of hardware (measuring instruments and cameras) and software. Image processing techniques such as geometrical transformations, edge detection, and line detection is used to build the automated tilt correction system. The experiments have been conducted using standard checkerboard calibrator objects and Zone of Inhibition objects at various orientations and the angle of rotation of the object. In general, based on experiment results, the system has been successfully implemented for not perpendicular dimensional measurements of zone of inhibition. Tilt correction system improves the measurement system performance with a reduction in estimated errors up to 39,6%. The maximum angle with a tolerance level that is acceptable is 40°."

"Perancangan sistem ini dibangun dengan bentuk aplikasi menggunakan kamera yang terdapat pada smartphone untuk mendapatkan citra digital lalu diolah dengan pustaka OpenCV. Pengolahan dilakukan dengan metode Haar Cascade Classifiers untuk mendapat daerah mata, lalu dengan menggunakan kontour, blur, tresholding, keadaan mata dilacak untuk mendeteksi tanda kantuk yang berupa mata tertutup. Aplikasi diuji kecepatan pengolahan dengan pengimplementasian pengembangan optimasi region of interest, nilai ambang HSV, pengaruh kondisi cahaya, dan karakteristik mata. Hasil yang didapatkan menunjukan bahwa dengan memberikan optimasi algoritma kepada sistem yang sudah ada dapat meningkatkan kecepatan pengolahan. Nilai ambang HSV optimal yang didapatkan bermulai dengan V=10 atau 20 dengan selisih tinggi 15 atau 20. Aplikasi memiliki tingkat kegagalan 11.11% pada kondisi pencahayaan dan gagal saat malam. Dari pengujian pengaruh kacamata, didapatkan tidak bahwa kacamata tidak berpengaruh besar dengan tingkat keberhasilan 94.44% untuk pengguna kacamata.

---

The development of this system is built as an application that uses the camera built in smartphones to get digital images which will be processed using the OpenCV library. In the process, Haar Cascade Classifier is used to find the region of interest of the eye, which will then be tracked using contour, thresholding, and blur to detect signs of drowsiness which are closed eyes. The application is tested based on the optimization made on the algorithm, the value for HSV thresholding, the effect of light on different times, and on the characteristic of the eye.

The results show that the optimization made has caused significant speed up on the processing in comparison to existing algorithm. The HSV threshold found to be the most effective is V=10 or 20 with a difference of 15 or 20 to the upper limit.  The effect of light causes 11.11% chance of failure especially when its night without lights. The characteristic of the eye, whether there are glasses or not, does not make a big difference and still has a 94.44% chance of success."